開放式中文實體關系抽取研究.pdf

1、實體關系是描述實體之間語義關系的重要途徑。實體關系抽取是信息抽取任務中的重要環(huán)節(jié),也有著廣泛的應用前景。隨著Web2.0的迅猛發(fā)展,人們對實體關系抽取提出了新的要求,以適應從快速增長的海量互聯(lián)網(wǎng)文本中迅速準確地獲取對用戶有價值的信息。
　　傳統(tǒng)的實體關系抽取需要預先定義關系類型體系,然而定義一個全面的實體關系類型體系是很困難的。開放式實體關系抽取技術通過使用關系指示詞描述關系的方法解決了預先定義關系類型體系的問題,但是在中文上的研

2、究還比較少。因此,針對不同的應用場景,本文提出了兩種不同的開放式實體關系抽取方法,并且探索自動構建關系類型體系的相關方法。
　　針對句子的開放式實體關系抽取問題,本文提出基于有指導的開放式實體關系抽取方法。首先,制定開放式實體關系抽取語料標注規(guī)范,并且構建開放式實體關系抽取語料庫;然后,通過分析語料中的語言現(xiàn)象,制定了先識別實體對和先識別關系指示詞兩套方法,并且設計了泛化能力強的特征抽取方案。在開放式實體關系語料上測試的F值達到6

3、1.41％。
　　針對互聯(lián)網(wǎng)的開放式實體關系抽取問題,本文提出面向大規(guī)模網(wǎng)絡文本的無指導開放式中文實體關系抽取(UnCORE:Unsupervised Chinese Open Entity Relation Extraction for the Web)方法,首先使用實體之間的距離限制和關系指示詞的位置限制獲取候選關系三元組,然后采用全局排序和類型排序的方法來挖掘關系指示詞,最后使用關系指示詞和句式規(guī)則對候選關系三元組進行過濾得

4、到最終的關系三元組。在獲取大量關系三元組的同時,還保證了80%以上的微觀平均準確率,滿足實用要求。
　　本文使用基于關系指示詞聚類的方法自動構建關系類型體系?；赗NN-LM的關系指示詞相似度計算方法和基于How Net的關系指示詞相似度計算方法,嘗試使用近鄰傳播聚類算法和層次聚類算法對關系指示詞進行聚類。在PER-PER實體對類型的關系指示詞集合上實驗,平均F值最高達到64.25%。
　　最后,為了把本文的相關研究成果展示